實務分析 3.1 以大學新生流失預測完整呈現資料前處理、類別不平衡、分類與敏感度分析。
理解原始資料整併、衍生變數、資料平衡、交叉驗證與模型評估為何會共同影響預測品質。
研究使用美國中西部一所綜合型公立大學資料，目標不只理解學生流失原因，也希望辨識可能在二年級前離校的學生。
| 原書資料 | 數值／內容 |
|---|---|
| 平均在校人數 | 23,000 名學生 |
| 州內學生 | 約 80% |
| 非白人學生比例 | 約 19% |
| 校務資料期間 | 5 年 |
| 一年級學生 | 16,000 人以上 |
| 原始類別比例示意 | 80% 未流失／20% 流失 |
| 驗證方式 | 10 折交叉驗證 |
資料蒐集／合併／清理／平衡／轉換 → 建立人工神經網路（Artificial Neural Network, ANN）、決策樹、支援向量機（Support Vector Machine, SVM）、羅吉斯迴歸 → 整合式模型 → 10 折交叉驗證 → 敏感度分析。原書另建立 Earned/Registered 與 YearsAfterHighSchool 等衍生變數。
原始不平衡資料中，SVM 整體預測率為 87.23%，決策樹為 87.16%。在平衡資料與整合式模型實驗後，資訊融合整合式模型的整體預測率為 82.10%；原書總結指出，在適當資料與變數下，可約以 80% 準確率預測大一學生流失。
只看整體準確率可能掩蓋少數類別預測不佳。原書指出，平衡資料對辨識可能流失的學生更有幫助，因此資料準備與類別代表性本身就是模型治理的一部分。
根據案例比較原始不平衡資料與平衡資料。說明為何整體準確率較高不必然代表流失辨識較好，並區分原書結果與你的解釋。
問題：若管理者只選擇整體準確率最高的模型，可能忽略什麼？
參考解答：可能忽略少數類別／流失類別的辨識能力；本案例正顯示類別不平衡會使整體準確率看似良好，但關鍵類別預測較弱。